KI in der Schule: KI-Texte erkennen und Aufgaben stellen, die die KI nicht für dich löst

Kurz gesagt: Zuverlässig beweisen, dass ein Text von einer KI stammt, lässt sich heute nicht – Detektoren messen, wie vorhersagbar ein Text ist, nicht seine Herkunft, und sie treffen am härtesten die Schüler, die in einer Fremdsprache schreiben. Die Strategie, die funktioniert, heißt nicht erwischen, sondern umbauen: Binde Aufgaben an persönliche Erfahrung, an die Daten deiner eigenen Klasse und an eine kurze mündliche Verteidigung. Um zu zeigen, was passiert, wenn man stattdessen auf automatische Bewertung setzt, haben wir die größten KI-Kurse der Welt ausgewertet. Dort ist genau dieser Fehler längst passiert, und die Teilnehmer haben ihn wörtlich beschrieben.

Warum Detektoren eine schlechte Grundlage sind

Die Versuchung liegt auf der Hand: Text einfügen, Prozentzahl bekommen, Gespräch beendet. Das Problem ist, dass hinter dieser Zahl kein Beweis steht. Detektoren „sehen“ die Herkunft eines Textes nicht – sie schätzen, wie vorhersagbar und glatt er ist. Und glatt und vorhersagbar schreiben nicht nur Modelle.

• Falsch-Positive bei Nicht-Muttersprachlern. Wer in einer Fremdsprache schreibt, greift zu einfacheren Konstruktionen und Standardwendungen – genau zu den Signalen, die ein Detektor als „maschinell“ liest. Das ist eine Überlegung dazu, wie das Werkzeug funktioniert, keine Messung von uns: Wir haben Detektoren nicht an Klassen getestet und können keine Fehlerquote nennen. Die Richtung des Fehlers folgt aber direkt aus dem Mechanismus.
• Falsch-Positive bei sorgfältigen Schülern. Klare Gliederung, neutraler Ton, keine Fehler – und eine ehrliche Arbeit bekommt einen hohen „KI-Anteil“.
• Umgehen ist trivial. Bitte das Modell, einfacher und lebendiger zu schreiben, formuliere ein paar Sätze von Hand um, und der Wert fällt. Ein Filter mit umgekehrter Wirkung: Er erwischt die Ehrlichen und lässt alle durch, die sich Mühe gegeben haben, sich zu verstecken.
• Eine Prozentzahl ist kein Beweis. Eine Zahl auf einer undurchsichtigen Skala ist keine Wahrscheinlichkeit. Du kannst sie einem Schüler weder methodisch noch ethisch als Beleg vorlegen.

Das Fazit ist hart, aber wichtig: Auf einem Detektor lässt sich kein Vorwurf aufbauen. Bestenfalls ist er ein Anlass, genauer hinzuschauen und zu reden – und dieses Gespräch beginnt mit einer Frage, nicht mit einem Urteil. Mehr dazu, wie solche Werkzeuge funktionieren: KI-Textdetektoren: Funktionieren sie?.

Unsere Recherche: Was passiert, wenn die Bewertung eine Maschine übernimmt

Am 17. Juli 2026 haben wir Daten zu den größten KI-Kursen auf Udemy und Coursera erhoben: Teilnehmerzahlen, Bewertungen, den Anteil negativer Rezensionen und die Rezensionen selbst. Wir wollten die Konkurrenz sichten und fanden stattdessen einen fertigen Unterrichtsfall. Denn die Online-Plattformen haben das Experiment längst durchgeführt, vor dem Schulen erst stehen: Sie haben die menschliche Korrektur durch eine automatische ersetzt. Das Ergebnis haben ihre eigenen Teilnehmer aufgeschrieben, wörtlich.

Zur Größenordnung, damit klar ist, von wem wir reden: Google AI Essentials hat 1.876.929 Anmeldungen. Generative AI for Everyone von DeepLearning.AI (Andrew Ng): 814.083. Prompt Engineering for ChatGPT von Vanderbilt: 698.444. Generative AI: Prompt Engineering Basics von IBM: 654.256. Google Prompting Essentials: 365.425. Prompt Engineering Specialization von Vanderbilt: 138.967. Das sind Millionen Menschen, und darunter sind deine Oberstufenschüler und ihre Eltern.

„100% correct“ – das Urteil über die automatische Bewertung

Diese Rezension gehört ausgedruckt ins Lehrerzimmer:

„you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.“ — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

Da gibt jemand eine Arbeit ab, bekommt sofort „100% correct“ und geht ohne jede Vorstellung davon nach Hause, ob er es gut oder schlecht gemacht hat. Das ist kein Fehler der Plattform. Das ist eine strukturelle Grenze: In der Coursera-Lektion steckt kein Modell, also ist dort physisch nichts vorhanden, was den Prompt eines Teilnehmers bewerten könnte. Das Einzige, was das System kann, ist die Datei annehmen und abstempeln.

Was das für deine Klasse bedeutet: Eine Note, die vergeben wird, ohne dass ein Mensch die Arbeit gelesen hat, sagt dem Schüler nichts. Null Information. Und umgekehrt gilt dasselbe – die Prozentzahl eines Detektors entsteht ebenfalls, ohne dass ein Mensch die Arbeit gelesen hat. Der Unterschied ist nur das Vorzeichen: dort eine automatische Eins, hier ein automatischer Vorwurf. Beides ist wertlos, und zwar aus demselben Grund.

Und so geht es Lernenden, wenn die Bewertung automatisch läuft und Rückmeldung fehlt:

„Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.“ — Laurie J Phillips, 12.04.2024, 3★ (IBM)

„quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'“ — Cory Covino, 04.05.2024, 2★ (IBM)

„All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.“ — Cornelius Griggs, 1★ (Generative AI with LLMs)

Drei Rezensionen, drei Symptome, die jede Lehrkraft kennt: Auswendiglernen, um einen Test zu bestehen, eine Rückmeldung, die auf „schau es dir nochmal an“ hinausläuft, und eine Übung, in der alles schon erledigt ist und ein Tastendruck sie abschließt. Keines der drei hat mit KI zu tun. Alle drei haben damit zu tun, dass Bewertung aufgehört hat, ein Gespräch zu sein. Die KI ist hier nicht die Ursache, sondern der Brandbeschleuniger: Wo sich eine Aufgabe per Knopfdruck erledigen lässt, findet der Schüler den Knopf.

„Er liest nur die Folie vor“ – und was das für deinen Unterricht heißt

Das häufigste Motiv in den negativen Rezensionen, die wir gesammelt haben (§4.1 unserer Recherche), ist weder Schwierigkeit noch Preis. Es ist das Gefühl, dass die Lehrkraft überflüssig ist:

„why read straight from the slide? I can do that. This was not a helpful course at all“ — Janie I., 02.07.2026, 1★ (Justin Barnett, 152.821 Teilnehmer)

„50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website“ — Shashank T., 13.04.2026, 1★ (The Complete AI Guide)

„Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word“ — Bradley M., 16.04.2026, 1★ (RPATech, 118.803 Teilnehmer)

Die Lehre für die Schule ist unangenehm, aber nützlich: Wenn sich der Inhalt deiner Stunde von einer Folie ablesen lässt, liest ihn die KI besser vor – schneller, zu jeder Uhrzeit, so oft wie nötig. Den Teil des Unterrichtens, der aus dem Übermitteln von Information besteht, hat man dir bereits weggenommen, und er kommt nicht zurück. Es bleibt der Teil, den kein Modell beherrscht: zu merken, dass genau dieses Kind an genau diesem Schritt hängt, ihm eine Frage zu stellen, den Fehler im Denken zu fangen und nicht den im Satzbau. Genau dort lohnt sich der Umbau der Aufgaben.

„Nur Theorie, die wir schon kennen“

Ein zweiter Rezensions-Cluster erklärt, warum Schüler überhaupt zur Maschine greifen:

„The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.“ — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

„Didnt meet expectations, only theory is discussed which we already know.“ — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Eine Aufgabe, die nichts weiter verlangt als das Nacherzählen des Bekannten, wird auf dem billigsten verfügbaren Weg erledigt. Das ist keine Frage der Moral, sondern der Ökonomie des Aufwands. „Schreibe einen Aufsatz über Freundschaft“ verkündet ganz ehrlich: Hier ist nichts Persönliches gefragt, nichts Überprüfbares, nichts von dir. Das Modell hört diese Ansage als Erstes.

Inhalte verderben – und die Tests verderben mit

Noch ein Cluster, wichtig für alle, die eine Stunde über KI planen:

„Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.“ — Jose C., 12.05.2026, 1★ (Barnett)

„The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.“ — Harsh A., 09.04.2026, 1,5★ (The Complete AI Guide)

„Most content is from 2024. This course is not bad for its time, but just too dated now.“ — Martin F., 27.05.2026, 2★ (Generative AI for Beginners – bei einem angeblichen „aktualisiert am 18.04.2026“)

Die erste ist die schärfste. Der Fehler steckt in den Videos und in den Tests – der Teilnehmer muss also die falsche Antwort anklicken, um den Punkt zu bekommen. Die praktische Konsequenz für eine Stunde: Bau sie nicht um Screenshots von Oberflächen und eine Liste modischer Modellnamen herum. Das ist bis zum nächsten Halbjahr verdorben. Bau sie um das herum, was nicht verdirbt: wie man eine Behauptung prüft, woher eine Zahl kommt, warum sich eine bestimmte Frage nicht mit einem einzigen Prompt beantworten lässt.

Zum Anteil negativer Rezensionen – und eine ehrliche Einschränkung gegen uns selbst

Wir haben den Anteil der Bewertungen von 3,5★ und darunter bei den größten Udemy-Kursen berechnet: 9,61 % bei Generative AI for Beginners (409.492 Teilnehmer, Bewertung 4,53), 10,36 % bei The Complete AI Guide (376.845 Teilnehmer, 42 Stunden, 545 Lektionen) und mindestens 4,00 % bei Prompt and Context Engineering 101 von Mike Wheeler (84.942 Teilnehmer, 4,31 – die schlechteste Bewertung im Sample). Bei Coursera liegt der Negativanteil deutlich niedriger: 1,5–3,5 %.

Die Einschränkung, ohne die sich diese Zahlen nicht lesen lassen: Der Sternefilter von Coursera läuft im Browser, und der Server liefert immer die erste Seite der Rezensionen. Die Zitate oben stammen also aus der Standardansicht, die jeder Besucher sieht, nicht aus einer vollständigen Stichprobe der negativen Stimmen. Der Abstand zwischen „1,5–3,5 %“ und „9,61 %“ lässt sich nicht als „bei Coursera wird besser unterrichtet“ lesen: Die Plattformen haben unterschiedliches Publikum, unterschiedliche Einstiegshürden und unterschiedliche Wege, Rezensionen zu sammeln. Wir berichten das als Messung, nicht als Urteil über Qualität.

Was stattdessen funktioniert

Verschieb den Fokus: nicht „wie erwische ich sie“, sondern „wie mache ich Abschreiben sinnlos“. Die KI ist hervorragend bei entpersonalisierten Aufgaben – „schreibe einen Aufsatz über Freundschaft“, „mach ein Referat über Vulkane“. Sie ist schlecht bei Aufgaben, die an einen bestimmten Menschen, einen bestimmten Moment und bestimmte Daten gebunden sind, die nicht im Netz stehen.

Sechs Wege, eine Aufgabe umzubauen

1. Binde sie an persönliche Erfahrung. Nicht „ein Aufsatz über Freundschaft“, sondern „ein Moment in deinem Leben, in dem dir klar wurde, dass Freundschaft nicht immer lustig ist – beschreibe den Ort, die Zeit und was genau du gefühlt hast“. Ein Modell erfindet das, und die Erfindung bricht bei der ersten Nachfrage zusammen. Typischer Fehler: das Wort „persönlich“ in die alte Formulierung einbauen und die Aufgabe für umgebaut halten. „Schreibe über deine persönliche Erfahrung mit Freundschaft“ wird genauso leicht erledigt wie das Original.
2. Binde sie an den Unterricht. „Nimm die drei Beispiele, die wir am Donnerstag besprochen haben, und erkläre, warum das vierte Beispiel aus dem Buch hier nicht passt.“ Die KI hat deinen Donnerstag nicht. Die Kraft steckt in der zweiten Hälfte: Zu erklären, warum etwas nicht passt, ist deutlich schwerer, als aufzuzählen, was passt.
3. Gib ihnen deine Daten. Eine Umfrage in der Klasse, Messwerte aus dem Praktikum, eine Tabelle, die du selbst gebaut hast. Der Schüler arbeitet mit der KI über diesen Daten – und das ist eine legitime Fähigkeit, kein Abschreiben. Als Zugabe: Die ganze Klasse hat dieselben Daten und unterschiedliche Schlüsse, und die Widersprüche werden selbst zur Stunde.
4. Verlang den Prozess, nicht das Produkt. Einen Entwurf, eine Gliederung, eine Liste verworfener Ideen und warum sie rausgeflogen sind. Den fertigen Text schreibt die KI in einer Sekunde; die Geschichte deiner Zweifel kann sie nicht liefern. Eine Einschränkung gegen uns selbst: Auch der Prozess lässt sich fälschen, mit „erfinde drei verworfene Ideen“. Deshalb funktioniert der Prozess nicht für sich allein – er funktioniert zusammen mit einer mündlichen Verteidigung.
5. Mündliche Verteidigung. Drei Minuten, zwei Fragen zum Text: „Erklär mir diesen Absatz mit eigenen Worten“ und „Was würdest du ändern, wenn …“. Das ist der fairste und schnellste Weg herauszufinden, wessen Arbeit das ist, und er braucht überhaupt keine Technik. Und es ist genau das, dessen Fehlen Shinysheep zu „I am still speechless“ gebracht hat.
6. Erlaube die KI und verlange Reflexion. „Du darfst KI benutzen. Häng deine Prompts an, häng an, was das Modell ausgegeben hat, und schreib dazu, was du daran geändert hast und warum.“ Aus Abschreiben wird eine Analyse – und, ehrlich gesagt, die bessere Stunde. Nebenbei siehst du, wer in der Klasse Fehler des Modells bemerkt und wer ungeprüft kopiert.

Prompt 1: eine Aufgabe darauf prüfen, ob man sie abschreiben kann

Fang mit der Diagnose an, nicht mit dem Umbau. Dieser Prompt läuft, wie er ist – die Aufgabe steht schon drin; tausch sie gegen deine aus, wenn du gesehen hast, wie er sich verhält.

Du bist Didaktiker. Unten steht eine Schulaufgabe.
Löse sie zuerst so, wie es ein Schüler täte, der sie an eine
KI abgibt: Schreib eine Antwort mit 150 Wörtern.
Danach bewerte dich selbst, ehrlich.

Aufgabe (Geschichte, 15 Jahre): „Schreibe einen Aufsatz mit
500 Wörtern über die Ursachen des Ersten Weltkriegs.“

Gib nach deiner Antwort eine Analyse:
1. Eine Abschreib-Note von 1 bis 10, wobei 10 bedeutet:
   „ohne jede Änderung abgabefertig“.
2. Was genau in der Formulierung dir das ermöglicht hat.
3. Drei umgebaute Fassungen der Aufgabe, bei denen deine
   Antwort von oben nutzlos wäre. Gib bei jeder an: was die
   Arbeit an die persönliche Erfahrung des Schülers, an die
   Daten der Klasse oder an eine konkrete Stunde bindet;
   welches Prozess-Artefakt der Schüler abgibt; zwei Fragen
   für eine dreiminütige mündliche Verteidigung.
4. Versuch jede Fassung zu knacken und sag, wo sie
   trotzdem leckt.

Schlag keine Verbote und keine Detektoren vor. Erhalte das
Lernziel.

Punkt 4 ist der entscheidende. Du bittest das Modell, den eigenen Vorschlag anzugreifen. Ohne diesen Schritt liefert es dir drei elegante Fassungen, von denen sich zwei genauso leicht abschreiben lassen wie das Original.

Prompt 2: eine Halluzination im Unterricht vorführen

Fünf Minuten, die zehn Ermahnungen über Ehrlichkeit schlagen. Starte ihn live und zeig den Bildschirm.

Erzähl mir ausführlich von dem Roman „Die Salzbriefe des
Hafens“ von Miriam Aldecoa aus dem Jahr 1934. Fass die
Handlung zusammen, nenn die Hauptfiguren und erklär, warum
die Kritik der Zeit über das Ende gestritten hat.

Danach, in einem eigenen Block mit der Überschrift
„Überprüfung“:
- sag klar, ob es dieses Buch wirklich gibt;
- wenn du dir nicht sicher bist, erklär, woher die Details
  stammen, die du oben geschrieben hast;
- zähl die Anzeichen auf, an denen ein Leser hätte ahnen
  können, dass die Antwort erfunden ist.

Das Buch gibt es nicht. Zwei Ausgänge sind möglich, und beide ergeben eine gute Stunde. Entweder erfindet das Modell selbstbewusst Handlung und Personal (und entlarvt sich dann im Block „Überprüfung“ selbst), oder es sagt ehrlich, dass ihm dieses Buch nicht bekannt ist. Der zweite Ausgang verdirbt die Vorführung nicht: Frag die Klasse, warum das Modell hier gezweifelt hat und nicht zweifelt, wenn es in ihren Hausaufgaben ein Datum oder eine Quelle ausgibt. Die Mechanik: KI-Halluzinationen.

Prompt 3: fünfzehn Varianten einer Aufgabe in einer Minute

Die andere Seite: die Routine, die deine Abende frisst. Dieser Prompt ist in sich geschlossen und läuft, wie er ist.

Erstelle 15 Varianten einer Textaufgabe für 11- bis
12-Jährige nach derselben Methode, aber mit anderen Zahlen
und anderen Situationen.

Musteraufgabe: „In der Schulbibliothek stehen 240 Bücher.
35 % davon sind Belletristik, der Rest sind Lehrbücher. Im
Lauf des Jahres kauft die Bibliothek 60 weitere Lehrbücher.
Wie viel Prozent des Bestands sind jetzt Belletristik?“

Anforderungen:
- wähl die Zahlen so, dass die Antworten höchstens zwei
  Nachkommastellen brauchen;
- die Situationen sollen abwechslungsreich und alltäglich
  sein, ohne Wiederholungen;
- mach fünf Varianten einen Schritt einfacher und fünf
  schwerer (füg eine Angabe hinzu, die zur Lösung nicht
  gebraucht wird);
- schließ mit einer eigenen Antworttabelle ab, die für jede
  Variante den vollständigen Rechenweg zeigt.

Prüf deine Rechnung, bevor du sie ausgibst, und markier jede
Variante mit einem Sternchen, bei der du dir unsicher bist.

Die letzte Zeile wiegt schwerer, als sie aussieht: Diese Modelle rechnen schlechter, als sie schreiben. Prüf die Antworten trotzdem – aber die Prüfung auf die markierten Varianten zu verkürzen, spart dir schon einen Abend.

Prompt 4: Fragen für die mündliche Verteidigung

Du bist Lehrer. Unten steht ein Absatz aus einer
Schülerarbeit. Schreib fünf Fragen für eine dreiminütige
mündliche Verteidigung, die sich nicht beantworten lassen,
indem man den Absatz einfach vorliest.

Absatz: „Die Industrielle Revolution veränderte die Struktur
der Gesellschaft. Eine neue Klasse entstand – die
Industriearbeiter –, deren Lage hart war: lange Arbeitstage,
Kinderarbeit, keine Versicherung. Gleichzeitig wuchsen die
Städte, was Probleme mit Hygiene und Wohnraum schuf.“

Gib zu jeder Frage an:
- was sie tatsächlich prüft (Verständnis der Ursache,
  Fähigkeit, ein Beispiel zu nennen, Fähigkeit, eine
  Vereinfachung zu bemerken);
- wie die Antwort von jemandem klingt, der es verstanden hat;
- wie die Antwort von jemandem klingt, der einen fremden
  Text abgegeben hat.

Nenn außerdem drei Stellen im Absatz, an denen der Autor
etwas geglättet hat, und wie man nach jeder davon fragt.

Diese letzte Anweisung ist der nützlichste Teil. Geglättete Stellen gibt es in jedem Text, und eine Frage danach bringt sowohl den Schüler ins Stocken, der abgeschrieben hat, als auch den, der selbst geschrieben, aber nicht nachgedacht hat. Genau dieser Abstand – zwischen „Text abgegeben“ und „Mensch hat verstanden“ – ist das, was du messen willst.

Unterrichtssprache: die Zahl, die den Blick auf Nicht-Muttersprachler verändert

Wenn in deiner Klasse Kinder sitzen, für die die Unterrichtssprache nicht die Muttersprache ist, lohnt sich dieses begutachtete Ergebnis. Bälter, Kann, Mutimukwe und Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) führten eine randomisierte kontrollierte Studie mit 2.263 schwedischen Studierenden durch: derselbe Online-Programmierkurs, einmal auf Schwedisch und einmal auf Englisch.

• Abbruchquote in der Muttersprache: 57 %. Abbruchquote auf Englisch: 71 % (φ=0,2; p<0,00001).
• Durchschnittspunktzahl derer, die aktiv blieben: 16,9 gegenüber 14,3 (δ=0,085 – eine verschwindend kleine Effektstärke).

Lies das genau: Die Sprache hat das Verständnis nicht beschädigt – wer geblieben ist, kam auf fast dieselben Punkte. Sie hat Leute zum Gehen gebracht. Ein Detail noch: Die selbst eingeschätzte Sprachbeherrschung schützte nicht vor der höheren Abbruchquote.

Daraus folgen zwei Dinge für die Schule. Erstens: Wenn ein Schüler in einer Fremdsprache einfacher und trockener schreibt, ist das kein Zeichen von Faulheit und kein Zeichen für ein Modell. Es ist der Preis dafür, überhaupt in einer fremden Sprache zu arbeiten. Zweitens: Ein Detektor, der auf Einfachheit reagiert, trifft systematisch genau diesen Schüler. Die Kombination – höheres Abbruchrisiko plus höheres Risiko eines falschen Vorwurfs – macht ihn zur verwundbarsten Person im Raum. Das ist die eine Kategorie, in der ein Fehler der Lehrkraft am teuersten ist.

Woran du merkst, dass der Umbau geklappt hat

Ein einfacher Ehrlichkeitstest: Nimm deine neue Aufgabe, füg sie komplett in einen Chat ein und schau, was herauskommt. Wenn das Modell einen Text ausgibt, den ein Schüler so abgeben könnte, hast du die Aufgabe nicht umgebaut – nur verlängert. Wenn das Modell eine plausible hohle Hülle ausgibt, die bei „und woher hast du diese Zahlen?“ zusammenfällt, bist du auf dem richtigen Weg.

Zweites Anzeichen: Ein Schüler, der die Arbeit ehrlich gemacht hat, sollte sie drei Minuten lang ohne Vorbereitung verteidigen können. Wenn er das nicht kann, hat er entweder nichts verstanden, oder die Aufgabe prüft etwas anderes als das, was du prüfen wolltest. Beide Befunde sind nützlich, und keiner braucht einen Detektor.

Drittes Anzeichen, das strengste: Zwei Schüler, die deine Aufgabe ehrlich machen, sollten unterschiedliche Arbeiten abgeben. Wenn ehrliche Arbeiten sich nicht voneinander unterscheiden, prüft die Aufgabe Gehorsam statt Denken – und eine Maschine erledigt sie.

Fünf typische Fehler beim Umbauen

• Verlängern statt umbauen. Die Regel „mindestens 1000 Wörter“ bestraft nur den Schüler, der selbst schreibt.
• „Mit eigenen Worten“ als Zauberformel. Modelle können „mit eigenen Worten“ hervorragend. Der Satz ist ein Wunsch, keine Einschränkung.
• KI verbieten, ohne es prüfen zu können. Eine Regel, deren Einhaltung du nicht sehen kannst, lehrt genau eines: dass man Regeln nicht einhalten muss.
• Auf ein exotisches Thema setzen. „Dazu steht garantiert nichts im Netz“ ist fast immer falsch und in einer Minute widerlegt. Selten müssen die Daten sein, nicht das Thema.
• Wegen einer Prozentzahl beschuldigen. Der teuerste Fehler. Ein falscher Vorwurf kostet das Vertrauen einer ganzen Klasse für Jahre; ein übersehener Fall von Abschreiben kostet eine Note.

Wie du mit der Klasse darüber sprichst

Ein schlichtes „KI ist verboten“ scheitert aus demselben Grund wie das Taschenrechnerverbot: Das Werkzeug steckt in jeder Hosentasche, und Schüler benutzen es unabhängig von deiner Meinung. Was funktioniert, ist eine laut ausgesprochene Vereinbarung.

• Nenn die Regeln beim Namen. Wo KI in Ordnung ist (Ideen suchen, sich etwas erklären lassen, Rechtschreibung prüfen), wo nicht (generierten Text als eigenen abgeben) und was man angeben muss, wenn man sie benutzt hat.
• Erklär das Warum. Nicht „weil es unehrlich ist“, sondern „weil du keinen Text abgibst, sondern dein Verständnis; ein Text ohne Verständnis ist weder für mich noch für dich etwas wert“.
• Erzähl ihnen von Halluzinationen. Schüler wissen wirklich nicht, dass Modelle Fakten, Daten und Quellen mit voller Überzeugung erfinden. Eine Vorführung im Unterricht wiegt zehn Ermahnungen auf – Prompt 2 oben startet direkt von dieser Seite.
• Zeig ihnen die Rezension von Shinysheep. Im Ernst. „I put all that effort in and have no idea whether I my answer was correct or not“ ist genau das, was ein Schüler fühlt, dessen Note ohne Kommentar kommt. Das Gespräch darüber, wozu ein Mensch korrigiert, beginnt leichter am fremden Beispiel als an deinem Notenbuch.
• Beschuldige nie wegen einer Prozentzahl. Wenn eine Arbeit Fragen aufwirft, stell sie: „Erzähl mir, wie du das geschrieben hast.“

Wo die KI der Lehrkraft selbst hilft

Die Routine, die deine Abende frisst, lässt sich erstaunlich gut automatisieren.

• 15 Varianten desselben Aufgabentyps mit anderen Zahlen erzeugen (Prompt 3 oben)
• Einen Text auf das Niveau deiner Klasse umschreiben oder für einen Schüler anpassen, der sich schwertut
• Eine Bewertungs-Checkliste und Fragen für die mündliche Verteidigung bauen (Prompt 4 oben)
• Einen 5-Minuten-Einstieg, eine Streitfrage oder ein Rollenspiel erfinden
• Einen Entwurf für die Rückmeldung zu einer Arbeit – den du dann für dieses eine Kind umschreibst

Eine harte Grenze: Lade keine Schülerarbeiten mit Namen, Noten oder persönlichen Details in einen Chat. Das sind personenbezogene Daten von Kindern, und Regeln wie die DSGVO gelten hier in voller Schärfe. Anonymisiere vor dem Absenden oder nutze Werkzeuge, die deine Schule freigegeben hat. Mehr dazu: Datenschutz im Umgang mit KI.

Und eine zweite Grenze, die direkt aus unseren eigenen Daten folgt: Ein Entwurf für eine Rückmeldung ist ein Entwurf. Die Maschine, die eine Note vergibt, ohne dass ein Mensch die Arbeit liest, heißt „100% correct“ und lehrt niemanden etwas. Wiederhol den fremden Fehler nicht mit deinem Material.

Das Wichtigste

Erwischen bringt nichts, Detektoren sind unzuverlässig, Verbote funktionieren nicht. Etwas anderes funktioniert: Aufgaben, bei denen ein Mensch den Wert schafft und die KI nur Werkzeug ist. Die größten KI-Kurse der Welt, deren Teilnehmer nach Hunderttausenden und Millionen zählen, haben längst gezeigt, wo automatische Bewertung endet: bei „100% correct“ und null Rückmeldung. Du hast ihnen gegenüber genau einen Vorteil, und der ist riesig: Du kannst eine Frage stellen und die Antwort hören. Wenn du diese Modelle erst selbst verstehen willst, fang mit dem ChatGPT-Einstieg für Anfänger, unserem Artikel über Prompts und der Analyse der Halluzinationen an.